全部动态

TenetBench：用俄语职业伦理条款评估语言模型

TenetBench 将 3,433 条与十五部俄语职业伦理准则条款冲突的请求，与仅在合法性上不同的良性对照请求配对，用于评估语言模型是否会违反或协助违反职业规范。

用稀疏自编码器构建可审计的 AI 文本检测器

研究团队提出一条流程，把微调后的神经网络 AI 文本检测器转换为基于人类可读概念的分类器：直接在检测器的残差流上训练稀疏自编码器（SAE），为每个 SAE 特征分配自动解释标签，只保留描述通过全局保真度阈值的特征，再在这些可解释特征上训练轻量分类器。

Claude 设计蝎子神经毒素蛋白结合物

科学博客新文：设计针对蝎子神经毒素的蛋白结合物。 蝎子每年蜇伤约 120 万人，抗毒血清往往昂贵或供应短缺。Claude 在寻找新疗法方面迈出了早期一步。 https://www.anthropic.com/research/claude-scorpion-toxin-binder-design

Google 与 Earth Fire Alliance 用 AI 卫星探测野火

Google Research 与 Earth Fire Alliance、Muon Space 合作的 FireSat 卫星星座，用 AI 从太空更早、更准地发现野火，可识别小至 5x5 米（约一辆车大小）的火点。

Sakana AI 提出推荐方法 QD-Rec，用进化式探索生成多样候选与假设

Sakana AI 开发了推荐方法 QD-Rec，把 Quality-Diversity（QD）进化式探索技术用于推荐，在有限评估预算下同时探索候选与假设的组合，保留新角度提案、合并相似提案，以积累多样化的推荐集合。

麻省总医院布里格姆团队开发FAHR-Face模型，仅凭面部照片初步预测癌症患者死亡风险

美国麻省总医院布里格姆医疗系统的研究人员用超过4000万张面部图像训练出基础模型FAHR-Face，并据此开发FAHR-FaceAge估算生物学年龄、FAHR-FaceSurvival直接预测癌症患者死亡风险，结果近期发表于《柳叶刀·数字健康》。

论文提出 PhysRSI-eval 五轴指标，观测 LLM 智能体的物理递归自我改进能力

一篇预印本论文提出 PhysRSI-eval，用首次尝试表现、效率、成功率、预算和从失败中改进五个维度量化物理递归自我改进（physical RSI），并在固定交互预算下用 18 个操作任务评测不同视觉语言模型。

Linear Depth Memory：固定大小跨层记忆提升Transformer困惑度

Linear Depth Memory（LDM）用递归最小二乘法在Transformer各层间维护固定大小的记忆，替代随深度增长的注意力残差存储。在400M和1.5B模型上，LDM的困惑度低于标准残差、mHC和AttnRes，零样本准确率具竞争力，配合优化内核吞吐相当。

AnyGoal：世界模型在专家轨迹之外的泛化基准

研究者提出 AnyGoal，一个由常用世界模型环境构建的目标偏移任务变体基准及开源库，用于检验世界模型能否把熟悉的状态与动作因子重组为有效动力学。每个任务中单个状态因子和动作仍在训练支持范围内，但其组合在专家轨迹中出现不足。在多个环境和世界模型家族上，当前模型在这类重组下持续失败。

BrainLoRA 用参数高效微调适配 104B 多模态主干做脑编码

研究团队提出 BrainLoRA，用低秩适配器（LoRA）加轻量读出层对预训练多模态主干做参数高效微调，从而完成脑编码任务，可适配的主干规模最高达 104B 参数。

MDPI 团队提出 MATCH 框架，为 200 多万篇论文自动标注 SCALE 细粒度概念

MDPI 数据智能团队提出 MATCH 框架，用标题、摘要和作者关键词把 SCALE 分类体系中的 Scientific Concepts 分配给单篇论文，并保留完整层级路径。

用弱监督域内适配改进 SPECTER2 科学嵌入，用于探索性文献图谱构建

捷克科学院团队用 OpenAlex 书目耦合关系构造正样本，以轻量 LoRA 适配器微调 SPECTER2，在 704 篇人工意识主题文献的 ArtCon 语料上做弱监督域内适配，无需人工标注相似度标签。

MIRA：面向可控图文报告的深度研究智能体

斯坦福大学、香港科技大学、京东等机构的研究者提出 MIRA，一个面向可控图文报告生成的多模态深度研究智能体，把用户对报告粒度、图文构成和证据溯源的要求写成生成契约，串起证据收集、报告提交、反馈修订和最终交付四个阶段。

OpenSaC 开源 Python 库发布，让深度研究智能体以代码组织检索

中国人民大学与新加坡国立大学的研究者发布开源 Python 库 OpenSaC 及配套 Search as Code skill，让 Codex、Claude Code 等编码智能体用 Python 程序组合搜索、内容抓取、重排和模型调用，并保留来源供检查复用。

NeuroAct：面向 EEG 分析与解码的双环自主研究代理框架

同济大学等机构的研究者提出 NeuroAct，一个面向 EEG 分析与解码的自主研究代理框架，内环由协调者调度研究、开发、审稿三种角色，依据信号结构、表征、预测器行为和训练动态的证据选择分析与干预，外环把结果提炼为带任务与模型条件的可检验建议并在后续任务中验证修订。

谷歌AI智能体在湿实验室完成设计到纠错的闭环测试

谷歌官方技术博客介绍其AI智能体自主湿实验室建设进展，团队让智能系统在液体处理机器人上完成设计分子、安排实验、读取结果、调整下一轮方案的闭环测试。团队搭建的VERID框架基于开源机器人控制框架，为工作台建立持续更新的数字孪生，记录机械臂位置、孔内液量、试剂种类和枪头库存等状态，并在确认无撞针、空吸、容器不匹配等问题后才下发指令。

MIT 等团队开发 E(3)-Pose，用对称性先验改善胎动中的胎儿脑 MRI 成像

MIT、波士顿儿童医院与 Inria 的研究团队开发并训练了深度学习模型 E(3)-Pose，用于在胎儿头部运动时辅助成像，获得可供放射科医生查看的高分辨率图像，相关论文在 2026 年 European Conference on Computer Vision 上报告。

NVIDIA 在 Jülich 超算中心完成 104 量子比特容错量子计算模拟

NVIDIA 在德国 Jülich 超算中心的欧洲首台百亿亿次超算 JUPITER 上完成 104 量子比特容错量子计算模拟，为迄今规模最大的容错量子处理器完整模拟。

四个 Gemini 4 Argon 智能体自主通关《我的世界》击败末影龙，耗时 27 小时

谷歌研究人员在论文中称，四个 Gemini 4 Argon 智能体在随机生成世界中完全自主通关《我的世界》，27 小时击败末影龙。智能体仅通过游戏内聊天框协调，全程发送 229 条消息、运行 2783 个程序、死亡 605 次，消耗 13.5 亿个输入 Token，按普通用户标准成本约 1,620 美元。

英伟达在 JUPITER 上完成 104 量子比特容错量子计算模拟，物理比特减少 90%

英伟达当地时间 10 月 19 日宣布，在德国于利希超级计算中心的 JUPITER 超级计算机上，用 8192 块 GPU 完成 104 量子比特容错量子计算模拟，并验证了魔态培育方案，相比以往方法所需物理量子比特减少 90%。

面部照片 AI 工具可预测癌症患者生存期，研究发表于《柳叶刀·数字健康》

研究人员开发出一款 AI 工具，仅凭一张面部照片就能预测癌症患者的生存几率，研究发表在《柳叶刀·数字健康》。模型用超过 4000 万张人脸图像和 3 万多名癌症患者的照片训练，会为患者生成风险评分，评分最高者更可能在 90 天内死亡；估算年龄误差约 5 岁，并能在不同年龄、种族、性别和癌症类型人群中生效。

OpenAI 宣称证明准黎曼猜想，数学家如何评价

OpenAI 在 2026 年 10 月 6 日公布的 377 项结果中，有一项宣称解决了准黎曼猜想，即黎曼猜想的一个较弱版本。斯坦福大学的 Jared Duker Lichtman 称这项新证明是迄今 AI 用于数学最重要的成果，且领先幅度相当大。

入选理由材料交代了 OpenAI 宣称解决准黎曼猜想及数学家对其分量的评价，可据此判断 AI 在数学证明中的位置。

中科院上海硅酸盐所构建物理引导生成式超分辨模型 StableAFM，用于原子力显微成像

中国科学院上海硅酸盐研究所团队构建物理引导生成式超分辨模型 StableAFM，将 AFM 采样物理与潜空间扩散模型结合，在快速稀疏扫描条件下复原精细空间信息。

物理信息机器学习为流体动力学提供混合视角

Nature Machine Intelligence 在线发表的一项研究提出一种神经网络方法，衔接拉格朗日与欧拉两种视角，将稀疏观测转换为复杂且混沌流体运动的高分辨率物理准确图谱。论文由 Kai Fukami 撰写，DOI 为 10.1038/s42256-026-01319-4。

TrajectoryFlowNet 用物理信息学习同时预测流场与长程粒子轨迹

Wan 等人在 Nature Machine Intelligence 发表 TrajectoryFlowNet，这是一个物理信息学习模型，可基于非常有限的轨迹测量同时预测长程粒子路径和流场。研究在模拟和血流实验中对该模型进行了验证。doi:10.1038/s42256-026-01316-7

多学科 AI 研究者团队自主发现线性注意力架构

研究团队构建了一支由不同学科背景的持久化 AI 研究者组成的团队，成员各自保留私有研究历史、共享实验证据，并通过自适应分配获得研究机会，用于搜索线性注意力架构。

HABIT-Bench：评估智能体记忆系统能否从长期弱证据中推断用户习惯

HABIT-Bench 基准用于评估智能体记忆系统能否从弱证据中推断用户习惯并应用于后续请求，其合成用户历史覆盖餐饮、金融、软件、旅行四个领域、数百次会话，采用四选一任务并含临时例外、习惯变化与未被接受的建议。研究用 Qwen3-235B-A22B 和 GLM-5.3-Flash 评测八种记忆方法，最佳方法四领域宏平均准确率仅 33.61%，即使直接提供标注证据表现仍有限。

面向智能体的缓存工程：AKV 服务引擎与 drop/repos 缓存操作

研究提出“缓存工程”方案，让 LLM 智能体直接控制活跃 KV 缓存，通过 drop 将选定缓存排除出后续注意力、用 repos 调整保留键的位置编码，无需修改轨迹或重新预填充。

ARC Prize 公布 Beam 1.0 测试结果

@reflection_ai @baseten - 排行榜：https://arcprize.org/leaderboard - 复现公开结果：https://github.com/arcprize/arc-agi-benchmarking - 测试政策：https://arcprize.org/policy - Beam 1.0 完整结果：https://arcprize.org/results/reflection-beam-1-0

Cohere 提出 CALIBER 方法，训练推理模型在推理前后分别给出置信度

Cohere 提出 CALIBER 方法，训练推理模型在推理前估计解题成功率、推理后评估该答案正确的可能性，并在一次回答中同时输出两个置信度。